使用扩展孤立森林算法检测异常用户行为：企业案例研究
密码学与安全
2016-09-22 v1
摘要
异常用户行为检测是许多信息安全系统的核心组件，如入侵检测、内部威胁检测和身份认证系统。异常行为会向系统管理员发出警报，并可进一步与其他信息结合，以确定其是否构成对资源的未授权或恶意使用。本文提出了一种应用扩展版孤立森林算法的异常用户行为检测框架。我们的方法快速、可扩展，且不需要训练数据集中包含异常样本。我们将该方法应用于一个企业数据集。实验结果表明，该系统能够利用单一特征或组合特征，从基线用户模型中分离出异常实例。
引用
@article{arxiv.1609.06676,
title = {Detecting Anomalous User Behavior Using an Extended Isolation Forest Algorithm: An Enterprise Case Study},
author = {Li Sun and Steven Versteeg and Serdar Boztas and Asha Rao},
journal= {arXiv preprint arXiv:1609.06676},
year = {2016}
}